基于脉冲耦合神经网络结合U-Net的眼底血管分割

摘要：

视网膜血管分割作为一种现代医学诊断的基础性方法,在眼部疾病及相关病症的筛查和诊断中起着重要作用.针对血管分割分割过程中细节丢失、连通性差等问题,提出一种新的分割算法.该算法基于改进的自适应阈值SSPCNN进行眼底血管图像分割,并应用改进SE模块的密集可变形卷积U-Net进行前期图像增强.为该算法设计实验,检测其在 DRIVE和STARE 数据集上的实际分割效果检测.实验结果表明该模型在 DRIVE和STARE 数据集上的灵敏度、特异性和准确度均优于现有算法.

关键词：脉冲耦合神经网络、U-Net算法、可变形卷积、眼底血管分割

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省自然科学基金

在线出版日期：2023-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：49-53